最終更新日：2026年7月14日
gk 機械学習 評価指標 頻出
G検定トップ
＞ Recall（再現率）とは？見逃しを評価する指標【G検定対策】
まず結論
Recall（再現率）は、実際に陽性だったもののうち、どれだけを正しく陽性として拾えたかを見る評価指標です。 G検定では、FN（False Negative：見逃し）を減らしたい場面で重視する指標として判断します。
Recall = TP / (TP + FN)
直感的な説明
Recallは「本当に見つけるべきものを、どれだけ取りこぼさず拾えたか」です。
たとえば異常検知で本当に危険なケースが100件あったとき、そのうち90件を検出できればRecallは高いといえます。一方で、危険でないものまで多くアラートにしても、Recallだけではその誤検知の多さは直接見えません。
👉 “拾える力”や“見逃しにくさ”を見る指標 と考えると分かりやすいです。
定義・仕組み
混同行列では、Recallは「実際：陽性」の行だけを見ます。
| 予測：陽性 | 予測：陰性 | |
|---|---|---|
| 実際：陽性 | TP | FN |
| 実際：陰性 | FP | TN |
- 分母：実際に陽性だったもの（TP + FN）
- 分子：その中で正しく陽性と予測できたもの（TP）
つまり、Recallは 実際の陽性側から見た検出率 です。TN（実際に陰性で正しく陰性としたもの）は式に直接入りません。
いつ使う？（得意・不得意）
得意な場面
- 医療診断のスクリーニングなど、病気の見逃しを避けたい場面
- 重大事故や障害の異常検知
- セキュリティ侵入検知のように、危険な事象を漏らしたくない場面
苦手・注意点
- 誤検知（FP）が多くてもRecallは高くなることがある
- 「陽性と予測したものが本当に正しいか」はPrecision（適合率）で見る
- クラス不均衡ではAccuracy（正解率）だけを見ると、Recallの低さを見落とすことがある
G検定ひっかけポイント
| 指標 | 見ているもの | 分母 | 典型的なキーワード |
|---|---|---|---|
| Accuracy | 全体でどれだけ当たったか | 全データ | 全体の正解率 |
| Precision | 陽性予測がどれだけ正しいか | 予測陽性（TP + FP） | 誤検知を減らす |
| Recall | 実際の陽性をどれだけ拾えたか | 実際陽性（TP + FN） | 見逃しを減らす |
| F1-score | PrecisionとRecallのバランス | PrecisionとRecall | 片方だけ高い状態を避ける |
- 「見逃し」「取りこぼし」「FNを減らす」→ Recall
- 「無駄なアラート」「FPを減らす」→ Precision
- 「全体の正解率」→ Accuracy
- Recallが高いことは、誤検知が少ないことを意味しない
まとめ（試験直前用）
- Recall = TP / (TP + FN)
- 見ているのは 実際に陽性だったものを拾えた割合
- キーワードは 見逃し（FN）を減らす
- Precisionとは分母が違う
- 医療・異常検知・セキュリティではRecall重視になりやすい